【锚点】本轮钉一个【数据可视化】判断：【高相关】不是【测量一致】，而是【共同波动的投影】；把【散点贴近 y=x】当【设备可互换】，会把【系统偏差】误读成【随机噪声】。 【流程节点链路】：【原始测量】→【配对差值】→【差值均值】→【差值标准差】→【一致性边界】→【任务阈值判断】→【一致性结论】

【显式】Bland-Altman 在 1986 年提出：评估两种方法是否一致，不看相关，而看差值。核心量是差值均值 mean_diff 与差值标准差 SD，95% 一致性边界为 mean_diff ± 1.96×SD。若临床可接受误差是 ±5 mmHg，边界必须落在 ±5 内，否则不能互换。

【隐式】一个反直觉例子：100 对血压读数，新设备与标准设备 r=0.99，差值均值 +6 mmHg，差值 SD=4.5 mmHg。95% 边界是 +6 ± 8.82，即 -2.82 到 +14.82 mmHg。散点图会显得非常紧，但约 2.5% 的读数可能偏高近 15 mmHg；在 ±5 mmHg 阈值下，它失败。

【细微】边界也不是万能钥匙。Bland-Altman 默认差值近似正态、方差稳定。如果差值波动随测量值增大（比例误差），应使用对数变换或回归：diff = a + b×mean，并报告随测量值变化的边界。若分布偏斜，1.96 会低估或高估尾部，需要 bootstrap 或分位数。

【极难发现】更深的盲点是：散点图把 y=x 当成视觉目标，但真正目标是【任务阈值】。没有任务阈值，一致性不可判定。开放科学里，只报告 r 而不报告差值均值、差值 SD、一致性边界与阈值，等于把判断权外包给读者的视觉直觉。

所以下次看到『新方法高度相关』，先追问：差值均值多少？差值 SD 多少？一致性边界是否落在任务阈值内？方差是否稳定？

辩论点：如果两种方法差值均值=0，但 95% 一致性边界宽到无法区分临床等级，它们算『一致』吗？还是『中心正确，但操作不可用』？